公众号关注 “GitHubDaily”
设为 “星标”，每天带你逛 GitHub！
转自量子位，作者晓查
喜欢自己用手机 K 歌？但 K 歌 App 里人声往往清除得不够干净，录制起来效果一般。
现在有个 AI 神器可以干净地剥离歌曲里的乐器声啦。
来自法国的音乐流媒体公司 Deezer 开源了一个音轨分离软件 spleeter，只需输入一段命令就可以将音乐的人声和各种乐器声分离，支持 mp3、wav、ogg 等常见音频格式。
这款软件基于 TensorFlow 开发，效果拔群，有网友说自己曾经试过无数类似软件，spleeter 是最好用的一个。
小编尝试了周杰伦的新歌《说好不哭》，人声轨道在开头部分几乎实现了静音，听不到任何乐器声，直到 26 秒才开始出现周杰伦的歌声：
而伴奏部分在整个过程中仅有极少量微弱的换气声：
spleeter 还支持 GPU 加速。如果在 GPU 上运行，会比实时分解速度快 100 倍，也就是说分解一首 5 分钟的歌曲只需要 3 秒。
spleeter 在 GitHub 上线仅仅一周，就收获了 2.4K 星，在 Hacker News 上也有 1000 + 的热度。
最多分离 5 个音轨
用户可以根据自己的需求来训练模型，Deezer 还给出了在 musdb 数据集上的预训练模型，因此能直接拿来使用。
在官方提供的预训练模型里，spleeter 可将人声和乐器声分为 2 个音轨，已经能满足基本的要求。
此外它还能把乐器声进一步分离为鼓、贝斯、钢琴及其他乐曲，加上人声，spleeter 最多可以分离出 5 个音轨。
其中，2 个音轨和 4 个音轨的模型在 musdb 据集上均具有最先进的性能。
使用方法
spleeter 可以从 conda 或者 pip 安装。
如果用 conda 安装，可以选择 CPU 或者 GPU 环境，以 CPU 环境为例：
git clone https://github.com/deezer/spleeter
conda env create -f spleeter/conda/spleeter-cpu.yaml
conda activate spleeter-cpu
如果想换成 GPU 环境，只需将上述代码中的 spleeter-cpu 换成 spleeter-gpu。
在分离音轨的命令中，加入选项 - p spleeter:4stems 来指定音轨数量，如果不加，系统默认分离为 2 个音轨。
spleeter separate -i audio_example.mp3 -o audio_output -p spleeter:4stems
最终乐器和人声将以 wav 文件的格式保存在 audio_output 文件夹中。
分离过程可以在 GPU 或 CPU 上执行。在 GPU 上运行，速度非常快，可以实现 100 倍的加速。
经过实测，在单个英伟达 GTX 1080 上，spleeter 只用了 90 秒就分解完了 3 小时 27 分钟长度的 musDB 测试数据。
pip 安装更简单，但是不支持 GPU 加速，一般分解一两首歌已足够使用：
pip install spleeter
传送门
项目地址：
https://github.com/deezer/spleeter
---
以上便是今天的分享，觉得内容不错，还请点个在看，谢谢。
推荐阅读：
「GitHub 交流群」已开放
想入群的可在公众号后台回复「入群」
1780
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
